第二章模拟退火算法.pptVIP

3.3模拟退火算法关键参数和操作的设计现代优化计算常用方法（1）设置终止温度的阈值；（2）设置外循环迭代次数；（3）算法搜索到的最优值连续若干步保持不变；（4）概率分析方法。3.3.6外循环终止准则第29页，共52页，星期日，2025年，2月5日3.4模拟退火算法的改进现代优化计算模拟退火算法的优点质量高；初值鲁棒性强；简单、通用、易实现。模拟退火算法的缺点由于要求较高的初始温度、较慢的降温速率、较低的终止温度，以及各温度下足够多次的抽样，因此优化过程较长。3.4.1模拟退火算法的优缺点第30页，共52页，星期日，2025年，2月5日3.4模拟退火算法的改进现代优化计算改进的可行方案（1）设计合适的状态产生函数；（2）设计高效的退火历程；（3）避免状态的迂回搜索；（4）采用并行搜索结构；（5）避免陷入局部极小，改进对温度的控制方式；（6）选择合适的初始状态；（7）设计合适的算法终止准则。3.4.2改进内容第31页，共52页，星期日，2025年，2月5日3.4模拟退火算法的改进现代优化计算改进的方式（1）增加升温或重升温过程，避免陷入局部极小；（2）增加记忆功能（记忆“Bestsofar”状态）；（3）增加补充搜索过程（以最优结果为初始解）；（4）对每一当前状态，采用多次搜索策略，以概率接受区域内的最优状态；（5）结合其它搜索机制的算法；（6）上述各方法的综合。3.4.2改进内容第32页，共52页，星期日，2025年，2月5日3.4模拟退火算法的改进现代优化计算改进的思路（1）记录“Bestsofar”状态，并即时更新；（2）设置双阈值，使得在尽量保持最优性的前提下减少计算量，即在各温度下当前状态连续m1步保持不变则认为Metropolis抽样稳定，若连续m2次退温过程中所得最优解不变则认为算法收敛。3.4.3一种改进的模拟退火算法第33页，共52页，星期日，2025年，2月5日3.4模拟退火算法的改进现代优化计算改进的退火过程（1）给定初温t0，随机产生初始状态s，令初始最优解s*=s，当前状态为s(0)=s，i=p=0；（2）令t=ti，以t，s*和s(i)调用改进的抽样过程，返回其所得最优解s*’和当前状态s’(k)，令当前状态s(i)=s’(k)；（3）判断C(s*)C(s*’)?若是，则令p=p+1；否则，令s*=s*’，p=0；（4）退温ti+1=update(ti)，令i=i+1；（5）判断pm2?若是，则转第(6)步；否则，返回第(2)步；（6）以最优解s*作为最终解输出，停止算法。3.4.3一种改进的模拟退火算法第34页，共52页，星期日，2025年，2月5日3.4模拟退火算法的改进现代优化计算改进的抽样过程（1）令k=0时的初始当前状态为s’(0)=s(i)，q=0；（2）由状态s通过状态产生函数产生新状态s’，计算增量?C’=C(s’)-C(s)；（3）若?C’0，则接受s’作为当前解，并判断C(s*’)C(s’)?若是，则令s*’=s’，q=0；否则，令q=q+1。若?C’0，则以概率exp(-?C’/t)接受s’作为下一当前状态；（4）令k=k+1，判断qm1?若是，则转第(5)步；否则，返回第(2)步；（5）将当前最优解s*’和当前状态s’(k)返回改进退火过程。3.4.3一种改进的模拟退火算法第35页，共52页，星期日，2025年，2月5日3.5模拟退火算法的实现与应用现代优化计算3.5.130城市TSP问题（d*=423.741byDBFogel）TSPBenchmark问题4194;3784;5467;2562;764;299;6858;7144;5462;8369;6460;1854;2260;8346;9138;2538;2442;5869;7171;7478;877